深夜十一点，南京西路的写字楼只剩我这一盏灯。显示器蓝光映着左手边没吃完的火锅外卖——牛油已经凝成乳白色的固态，像某种非结晶聚合物。我盯着屏幕里那篇《黄昏的十四行》，署名是某位以手写著称的西北作家的新作，准备选入明年中学教辅的拓展阅读栏。
从某种角度看，文本质量确实符合发表标准。句法通顺，意象绵密，甚至保留了作者标志性的"风穿过土墙缝"的触觉描写。但作为一个经历过三次高考、在计算文体学实验室泡过五年的博士，我的perplexity meter在疯狂报警。具体是什么让我警觉？是n-gram分布的异常平滑。
我调出该作家过去十年发表的语料库做对比分析。人类写作的conditional entropy通常维持在3.2-3.8 bits之间，呈现出典型的heavily-tailed distribution——这正是创造性思维中"惊喜"的数学表征。而眼前这篇只有2.1 bits，下一个词的可预测性太高，高得像GPT-4的output，literally是算法生成的统计最适解。
更可疑的是稿件的扫描件。虽然编辑部收到的是PDF，但凭借书法训练养成的视觉敏锐度，我放大400%观察墨迹边缘。如果是钢笔书写，ink feathering应该在纤维上呈现不规则的分形维度，介于1.2-1.4之间。但这份稿件的墨点边缘过于规整，缺乏喷墨打印机的stochastic dot placement特征，反而呈现出激光打印的机械性。然而，这位作家在多次访谈中强调，他坚持用特定品牌的蓝黑墨水手写所有文稿。
我打开R Studio，运行了最近MIT发表的GLTR（Giant Language Model Test Room）检测算法。结果显示，绿色和黄色标记（即模型认为"高度可预测"的词汇）占比达到了87.3%，远超该作家手稿平均值的34.7%，p-value < 0.001。这已经不是风格模仿，而是彻底的文本仿构，一种基于transformer架构的文学deepfake。
窗外的雨打在玻璃幕墙上，我想起下午在书法协会临的那帖《九成宫》。笔墨纸砚的物理交互会产生独特的"材料记忆"——笔锋的弹性形变、纸张的吸墨速率、手腕的微小震颤，这些都是算法难以模拟的embodied knowledge。而屏幕里的文字，就像火锅里漂浮的合成肉卷，看起来纹理清晰，却缺乏肌肉纤维的真实应力分布。
就在这时，邮箱提示音划破寂静。另一篇待审稿件，署名是另一位以乡土叙事闻名的作家，但当我把它导入分析模型，n-gram分布曲线与刚才那篇几乎完全重合，Pearson相关系数r=0.94。这不是个案，而是一个systematic anomaly。
我删掉外卖订单页面，保存了所有检测数据。明天，我需要去图书馆查阅更早期的纸质档案，验证一个值得商榷的假设：也许，我们正在见证某种有组织的文本污染，而教辅书页间即将印刷的，究竟是文学传承，还是马尔可夫链在稿纸纤维上留下的统计残差？我需要更多的primary source来确认这个贝叶斯推断的后验概率。
